Les recherches autour d’OpenClaw, Hermes Agent et des agents IA open source explosent. C’est un signal intéressant : les entreprises ne se demandent plus seulement si elles doivent tester l’IA agentique en entreprise, mais aussi sur quelle base technique elles doivent la construire. Faut-il choisir une plateforme agentique ouverte, hébergée et maîtrisée par l’entreprise ou son partenaire ? Ou partir sur un SaaS fermé, plus simple à activer mais plus dépendant d’un fournisseur ?
Pour un dirigeant, ce n’est pas un débat de développeurs. C’est une décision de gouvernance. Un agent IA connecté à vos emails, votre CRM, votre ERP, votre base documentaire ou vos données métier devient vite un morceau sensible de votre système d’information. Il lit, prépare, classe, propose et parfois déclenche des actions. La question n’est donc pas seulement “quel outil est le plus impressionnant ?”. La bonne question est : “quel niveau de contrôle voulons-nous garder sur nos données, nos règles métier et notre capacité à changer demain ?”.
Pourquoi le sujet open source monte
Le volume observé sur des requêtes comme OpenClaw, Open Claw AI ou Hermes Agent montre une curiosité forte pour les plateformes et agents ouverts. Il faut toutefois rester prudent : un volume de recherche ne prouve ni la maturité d’un outil, ni son adéquation à un contexte d’entreprise. Il indique surtout que le marché cherche des alternatives aux solutions fermées et veut comprendre ce qu’il peut reprendre en main.
Dans cet article, OpenClaw et Hermes sont donc cités comme exemples de cette catégorie d’outils ou d’écosystèmes agentiques ouverts à évaluer, pas comme une recommandation technique universelle. Avant un choix, il faut vérifier la documentation, la licence, l’activité du projet, la sécurité, les connecteurs disponibles, la facilité de déploiement et la capacité de votre équipe à maintenir l’ensemble.
Ce qu’on appelle une plateforme agentique ouverte
Une plateforme agentique ouverte désigne généralement un socle qui permet de créer, exécuter et superviser des agents IA avec davantage de contrôle qu’un SaaS entièrement fermé. Selon les projets, cela peut inclure l’orchestration des tâches, la connexion à des outils, la gestion de prompts, des permissions, des journaux, une mémoire, des connecteurs ou des interfaces de validation humaine.
Le mot “ouverte” peut vouloir dire plusieurs choses : code source consultable, licence open source, déploiement possible sur votre infrastructure, connecteurs modifiables, absence de verrouillage complet sur les données, ou simple API plus flexible qu’un outil standard. Ces nuances comptent. Un outil peut être “open source” sans être simple à exploiter en production. À l’inverse, un SaaS fermé peut offrir de bonnes garanties contractuelles et de sécurité pour un usage limité.
Avec un SaaS fermé, ce que l’on gagne
Le principal avantage d’un SaaS fermé est la vitesse de démarrage. L’inscription est rapide, l’interface est prête, les mises à jour sont gérées par l’éditeur, le support est identifié, et l’équipe métier peut tester sans attendre une architecture complète. Pour un premier prototype non sensible, c’est souvent la voie la plus simple.
Un SaaS peut aussi rassurer sur certains points : disponibilité, ergonomie, documentation utilisateur, connecteurs prêts à l’emploi, facturation lisible au départ. Si votre besoin consiste à automatiser un flux peu critique, avec peu de données sensibles et une supervision humaine forte, ce choix peut être parfaitement rationnel.
Mais cette simplicité a une contrepartie : vous acceptez les limites du produit, son rythme d’évolution, ses règles de stockage, ses intégrations disponibles et ses changements de prix. Plus l’agent devient central dans vos opérations, plus cette dépendance doit être regardée lucidement.
Avec une plateforme ouverte, ce que l’on reprend en main
Une plateforme ouverte permet d’abord de mieux maîtriser l’architecture. Vous pouvez décider où les données circulent, quelles briques sont hébergées en interne ou chez un partenaire, quels modèles sont appelés, quels logs sont conservés, et comment les droits d’accès sont appliqués. Pour une entreprise qui traite des données sensibles, c’est un point majeur.
Elle permet aussi d’adapter l’agent à vos processus réels. Dans beaucoup d’organisations, le problème n’est pas le manque d’outils : c’est l’empilement de règles métier, d’exceptions, de validations et de systèmes historiques. Une base ouverte peut faciliter la création de connecteurs spécifiques, de contrôles sur mesure et d’interfaces adaptées aux équipes.
Enfin, l’ouverture réduit une partie du risque de dépendance fournisseur. Si le projet est bien documenté et si l’architecture est propre, vous gardez davantage de capacité à changer de modèle, de prestataire, d’hébergement ou de couche applicative. Ce n’est pas une liberté gratuite, mais c’est une option stratégique.
Les vrais critères de décision pour un dirigeant
Le choix ne doit pas opposer “open source bien” et “SaaS mauvais”. Il faut raisonner par critères. Le premier est la sensibilité des données. Si l’agent lit des informations commerciales banales, le niveau d’exigence n’est pas le même que s’il traite des données RH, financières, juridiques ou de santé. En santé, par exemple, il faut penser RGPD, minimisation, droits d’accès, traçabilité, validation humaine et, selon le périmètre, hébergement chez des partenaires HDS certifiés.
Le deuxième critère est la criticité du processus. Un agent qui prépare une synthèse hebdomadaire n’a pas le même impact qu’un agent qui modifie des dossiers, envoie des messages à des clients ou déclenche des opérations. Plus le processus est critique, plus vous devez exiger des logs, des permissions fines, des tests, des scénarios de reprise et une supervision claire.
Le troisième critère est votre maturité interne. Une plateforme ouverte donne du contrôle, mais elle demande des compétences : intégration, sécurité, monitoring, mises à jour, documentation, support utilisateur. Si vous n’avez ni équipe technique ni partenaire fiable, le coût réel peut vite dépasser le prix affiché du logiciel.
Le quatrième critère est le coût total. Le SaaS semble souvent moins cher au départ, mais il peut devenir coûteux avec les volumes, les licences, les options, les connecteurs ou les changements imposés. L’open source peut sembler gratuit, mais il faut payer le cadrage, l’intégration, l’hébergement, la maintenance et la montée en compétence. La bonne comparaison se fait sur douze à vingt-quatre mois, pas sur le premier mois d’abonnement.
RGPD, souveraineté et données : le point décisif
La souveraineté ne veut pas dire “tout héberger soi-même à tout prix”. Elle veut dire savoir où vont les données, qui y accède, combien de temps elles sont conservées, quels sous-traitants interviennent, comment les droits sont gérés et comment l’entreprise peut reprendre la main. Une plateforme ouverte peut aider, mais elle ne garantit rien automatiquement. Une mauvaise installation open source peut être moins sûre qu’un SaaS sérieux et bien contractualisé.
En pratique, il faut documenter les flux : données envoyées au modèle, données stockées par l’agent, logs, pièces jointes, accès administrateur, sauvegardes et environnements de test. Il faut aussi définir ce que l’agent n’a pas le droit de faire. Un bon système agentique commence autant par des limites que par des capacités.
Maintenance : la question que l’on sous-estime
Le choix ouvert transfère une partie de la responsabilité vers vous ou vers votre partenaire technique. Qui met à jour la plateforme ? Qui corrige une faille ? Qui surveille les coûts d’API ? Qui intervient si un connecteur casse ? Qui forme les utilisateurs ? Qui vérifie que les prompts, règles et workflows restent alignés avec le métier ?
Ces questions ne doivent pas décourager l’open source. Elles doivent simplement être budgétées. Dans un contexte professionnel, un agent IA n’est pas un script posé dans un coin. C’est un actif opérationnel. Il a besoin d’un propriétaire, d’un niveau de service réaliste, d’une documentation et d’indicateurs : temps gagné, erreurs évitées, taux de validation humaine, incidents, satisfaction utilisateur.
Quand choisir une plateforme agentique ouverte ?
Le choix ouvert devient pertinent si vous traitez des données sensibles, si vos processus sont spécifiques, si vous voulez éviter un verrouillage fournisseur fort, si vous avez besoin de connecteurs sur mesure, ou si le système agentique doit devenir une brique durable de votre organisation, après avoir vérifié si votre organisation a vraiment besoin d’un système agentique. C’est aussi un bon choix si vous avez déjà une équipe technique capable de piloter le run, ou un partenaire qui assume ce rôle avec vous.
Dans une PME, une clinique, un réseau de soins ou une HealthTech, l’approche peut être progressive : commencer par un pilote supervisé, limiter les données, journaliser les actions, mesurer le gain et prioriser le bon premier cas d’usage, puis renforcer l’architecture si l’usage se confirme. Il n’est pas nécessaire de construire une plateforme complète avant de prouver la valeur métier.
Quand choisir un SaaS fermé ?
Le SaaS reste pertinent pour tester vite, former les équipes, traiter un cas peu sensible ou valider une hypothèse métier. Il peut aussi être préférable si votre organisation n’a pas encore les compétences nécessaires pour maintenir une solution ouverte. Dans ce cas, l’objectif est de cadrer le risque : choisir des données non critiques, vérifier les conditions contractuelles, limiter les droits et prévoir une sortie si l’outil devient stratégique.
Un bon arbitrage peut même combiner les deux : SaaS pour l’expérimentation rapide, socle ouvert ou sur mesure pour les processus sensibles et durables. L’erreur serait de transformer un test SaaS improvisé en colonne vertébrale métier sans revoir l’architecture.
Méthode de choix en cinq étapes
Avant de choisir, partez du cas d’usage. Première étape : décrivez le processus ciblé, les données utilisées, les décisions attendues et les personnes responsables. Deuxième étape : classez le niveau de risque, de faible à critique. Troisième étape : comparez SaaS et plateforme ouverte sur le contrôle des données, les intégrations, les coûts à deux ans, la réversibilité et la maintenance. Quatrième étape : lancez un pilote limité avec validation humaine. Cinquième étape : décidez seulement après mesure réelle du gain et des irritants.
Cette méthode évite deux pièges fréquents : acheter trop vite un outil séduisant, ou surarchitecturer un besoin qui n’a pas encore prouvé sa valeur. Le bon choix est celui qui protège l’entreprise tout en permettant d’apprendre vite.
Conclusion
OpenClaw, Hermes Agent et les agents IA open source illustrent une tendance de fond : les dirigeants veulent comprendre comment garder le contrôle sur les systèmes agentiques qui entrent dans leur entreprise. C’est une bonne nouvelle. L’IA agentique ne doit pas être seulement une couche magique posée sur des outils existants. Elle doit être pensée comme une brique de système d’information, avec des responsabilités, des limites et une gouvernance.
La plateforme ouverte n’est pas toujours le meilleur choix, mais elle devient très intéressante dès que les données, la souveraineté, les règles métier et la réversibilité comptent. Le SaaS fermé n’est pas à écarter, mais il doit rester proportionné au risque. Pour un dirigeant, la décision mature consiste à choisir le niveau de contrôle adapté au cas d’usage, puis à avancer par pilote mesuré, supervisé et documenté.